ML-H2MX — Apprentissage automatique pour le stockage d'hydrogène sur MXenes

Notre objectif est d'étudier la capacité de stockage de l'hydrogène d'un nombre important et représentatif de MXènes, composés de divers métaux de transition et de groupes terminaux de surface, en utilisant un ensemble judicieusement choisi de techniques théoriques et expérimentales. D'un point de vue théorique, nous développerons une nouvelle famille de potentiels atomistiques basés sur un réseau neuronal. Ces potentiels seront utilisés pour explorer efficacement l'espace conformationnel de milliers de structures de MXène et mettre en évidence leur capacité potentielle de stockage de H2 en fonction de la structure et de la composition chimique. Les effets quantiques nucléaires associés au confinement de H2 seront analysés pour les cas les plus pertinents. Guidées par ces prédictions théoriques, des expériences seront menées pour synthétiser les structures les plus prometteuses et tester leur capacité de stockage de l'hydrogène. Les résultats expérimentaux fourniront un retour d'information précieux pour nos simulations. Enfin, la combinaison de toutes ces informations servira à développer un agent d’apprentissage automatique pour la prédiction de la capacité de stockage de l'hydrogène directement à partir des structures, évitant ainsi le recours aux calculs traditionnels de modélisation atomistique.